Cua一口气开源两款S1模型，还拉Jev来同场考试
相关推荐
DeepSeek Harness补上Browser Use和Computer Use：现在能操作网页，也能接管本机App
动察 Beating AI 快讯，DeepSeek Harness 最新的 v0.1.6-alpha.1 同时新增实验性 Browser Use 和 Computer Use。模型现在既能直接操作网页，也能查看并控制本地桌面。 Browser Use 支持 Playwright MCP、Chrome DevTools MCP 和 Stagehand，可以直接操作网页。Computer Use 则接入 Cua Driver，可找到具体 App 和窗口、获取当前界面截图，再根据界面元素或坐标执行点击和输入。官方提供 MCP 和原生两种 Computer Use 接入方式。 两项能力目前都属于实验性功能，需要手动启用。Computer Use 还需要给实际运行它的应用授予屏幕读取和电脑操作权限。
Jev刚火5天，Cua就把决策模型压到2.8MB
动察 Beating AI 快讯，Cua 开源了只有 70.6 万参数、2.8MB 的 CUA-S1-FORMS，专门负责自动填表。系统先从 PDF 中提取姓名、电话等信息，再由模型判断这些信息分别该填进哪个字段，最后交给 Cua Driver 执行。 它走的也是 Jev 最近带火的 System One 路线，只做选择和判断，不生成文字。但 Jev 面向更通用的决策任务，CUA-S1-FORMS 又把范围缩了一层，只解决表单里的信息匹配。 Cua 自测中，CUA-S1-FORMS 在这套填表任务上得分 99.7%，Jev 为 83.6%。这个结果有明显主场优势，前者就是针对填表训练的，不能理解成一个 70 万参数模型全面打败 Jev。 Jev 想把 Agent 里的部分大模型决策换掉，Cua 又继续往下拆。任务足够固定时，甚至不需要一个通用决策模型。
Qoder上线Sonus：专攻Computer Use
动察 Beating AI 快讯，阿里旗下 Agent 平台 Qoder 上线新的内置模型 Sonus，主打长时间自主任务、复杂知识工作和编程，重点强化 Computer Use。配合新版 Qoder Desktop，它可以直接操作电脑和专业软件，完成写代码、财务建模、研究和表格等任务。 Sonus 已上线 Qoder、IDE、CLI、JetBrains 插件、QoderWake 和 Cloud Agents，计费倍率为 3.2x。Qoder 此前已经推出同为 3.2x 的内置模型 Cantus，同样主打超长自主任务；Sonus 这次进一步把电脑操作作为核心能力。
PrismML把Qwen3.8 27B压到5.9GB，自测保留98.2%性能
动察 Beating AI 快讯，加州理工学院数学家 Babak Hassibi 联合创立的 AI 实验室 PrismML 发布 Ternary Bonsai 2 27B，把 Qwen3.8 27B 的 270 亿参数模型压到 5.9GB。它把权重压成 -1、0、+1 三种值，体积只有 FP16 原版约九分之一。模型支持 26.2 万 Token 上下文、图文输入和 Agent 工具调用，并以 Apache 2.0 许可开放权重。 相比两个月前的第一代 Bonsai 27B，新版体积基本没变，但底模从 Qwen3.6 换成了 Qwen3.8。PrismML 自测称，综合基准成绩相对完整版的保留率从约 95% 提到 98.2%，其中数学和代码成绩已经非常接近原版。官方还演示了它在 RTX 5090 上直接跑 Cline 编程 Agent 和 Computer Use。
千问27B打到Opus4.6门口：Muse Glimmer 8项全败
据动察 Beating 监测，千问正式开源 Qwen3.8-27B，官方跑分也一起公布。这个只有 27B 参数的本地模型，在官方列出的 8 项可直接对比测试中，全部超过 Meta 刚发布的 30B 模型 Muse Glimmer。 差距在 Agent 和编程上尤其明显。Terminal-Bench 2.1，Qwen3.8-27B 得分 73.0，Muse Glimmer 为 51.7；SWE-bench Pro 是 61.7 对 51.2；OSWorld-Verified 则是 84.3 对 65.9。通用推理、文档和视觉测试也全部领先。 更夸张的是和 Claude Opus 4.6 对比。两边都有成绩的 19 项测试中，Qwen3.8-27B 赢了 15 项。SWE-bench Pro、LiveCodeBench、OSWorld、AndroidWorld 和多项视觉任务都已经反超；Terminal-Bench、GPQA、HLE 和 NL2Repo 仍落后。 一个能在个人电脑本地跑的 27B 模型，官方跑分已经摸到了上一代闭源旗舰的水平。
Jev到底有没有门槛？OpenJEV已经分成4派：不吐字容易，概率靠谱很难
动察 Beating AI 快讯，Jev 发布还不到一周，开源社区已经开始复刻这种「不写答案、直接给概率」的模型。 它们都想做同一件事：省掉逐 token 生成，直接给出选项和概率。但具体怎么做，已经分成了几条完全不同的路线。 1. SemIf 最简单，连模型都不用重新训练。它直接拿现成的 Qwen，在模型准备回答 A、B、C 时截住，不让它继续往下写，直接读取每个选项的分数，再换成概率。 2. Simple Jev 也用现成大模型，但进一步省掉重复计算。同一段材料只读一次，后面的多个问题共用这部分结果，再分别判断答案。作者也明确说，它复刻的是 Jev 的使用方式，准确率、速度和概率校准都没有做到等价。 3. Laya 干脆不用会生成文字的大模型，换成更像传统分类器的编码模型。好处是小而快，短板也很明显。一次从 77 个选项里做选择时，Laya 准确率只有 42.5%，Jev 是 87.0%。 4. Von 走的也是专用决策模型路线。它只有约 4 亿参数，不生成文字，一次前向直接完成 Choice、Noul 和 Score，更像一个能读自然语言的新一代分类器。 5. Verdict 更小，只有约 1.5 亿参数。作者重点处理了两个问题：答错了还报很高的置信度，以及把选项顺序换一下，结果就跟着变。它更在意如何让概率和判断都稳定下来。 6. Kev 选择保留大模型。它拿 Qwen 做底座，再加专门的决策结构，让同一份输入只读一次，多个问题各自算概率。第三方此前逆向 Jev 时，也推测它可能用了类似设计。 Kev 自测中，拿训练时没见过的新题测试，8B 版准确率约 78%，Jev 约 86%。更明显的差距在置信度，Kev 还有一些答错的题会给出 90% 以上把握。 7. Nimble 重点放在训练上。它用 Qwen3.5-9B，再准备一批「只改一个事实，正确答案就翻转」的数据做后训练。在 324 个没参与训练的测试样本里，Nimble 有 90.1% 选中了参考答案，Jev 是 93.2%。不过作者也提醒，目前还不能保证模型「报 90% 就真的有 90% 正确」。 8. OpenJev 走得最远，直接换成 DiffusionGemma。它先把几个答案位置留空，再像扩散模型补图一样一次填出来。在 RTX PRO 6000 上，单请求中位延迟约 94ms。 几天下来，OpenJEV 已经分成四路：直接读取现成模型的答案分